本文選題：骨性Ⅱ類　切入點：垂直骨面型　出處：《吉林大學(xué)》2017年碩士論文

【摘要】：目的:使用遺傳算法(Genetic Algorithms,簡稱GAS)建立不同垂直類型骨性Ⅱ類患者顱面部垂直向各標(biāo)志點的方程,并將不同性別用同一公式表達(dá)。方法:選取10-18歲未經(jīng)治療的骨性Ⅱ類患者共155名,高角組(A組)50人:13.7±2.4歲;均角組(B組)58人:13.2±2.5歲;低角組(C組)47人:13.4±2.8歲。每組中隨機(jī)選取5人為檢驗樣本,其余為實驗樣本。拍攝頭顱側(cè)位片,并進(jìn)行測量、分析(Coben、SteinerTweed北醫(yī)大)。測量結(jié)果進(jìn)行獨立樣本t檢驗、單因素方差分析及逐步回歸分析,找到顱面結(jié)構(gòu)的相關(guān)影響因子;使用遺傳算法優(yōu)化方程參數(shù)獲得相關(guān)方程;將優(yōu)化方程所得預(yù)測值和實測值進(jìn)行誤差比較。結(jié)果:1 SPSS分析顯示同一類型不同性別顱面部垂直向的相關(guān)項目均無統(tǒng)計學(xué)差異(P0.05)。2對A、B、C三組進(jìn)行單因素方差分析;組間兩兩比較采用SNK-q檢驗,比較三組間顱面部骨間存在相關(guān)性(P0.05)。3對A、B、C三組顱面部骨各項目進(jìn)行逐步回歸分析,識別相關(guān)影響因子。4使用遺傳算法建立了不同垂直類型骨性Ⅱ類患者顱面部骨垂直標(biāo)志點的關(guān)系方程。5 GAS建立方程的預(yù)測值與實測數(shù)據(jù)進(jìn)行比較,GAS法誤差小,精度高,但無統(tǒng)計學(xué)意義(P0.05)。結(jié)論:1.同一類型不同性別顱面部垂直向骨無差異。2.不同垂直類型骨性Ⅱ類患者垂直向顱面部骨間存在差異。3.同種垂直類型骨性Ⅱ類患者垂直向顱面部骨間關(guān)系密切。4.GAS法建立的預(yù)測方程精度高,且直觀、清晰的表明不同垂直類型骨性Ⅱ類患者顱面部骨的關(guān)系,并可進(jìn)行一定程度上的生長預(yù)測。
[Abstract]:Objective: using genetic algorithm (Genetic Algorithms, referred to as GAS) to establish different types of vertical skeletal Class II patients with craniofacial vertical landmarks of the equation, and the different sex with the same expression. Methods: a total of 10-18 years of age without skeletal Class II patients with a total of 155, the high angle group (A group) 50: 13.7 + 2.4 years; the average angle group (B group) of 58 people: 13.2 + 2.5 years; the low angle group (C group) of 47 people: 13.4 + 2.8 years. Randomly selected in each group 5 as test samples, the experimental samples. Cephalometric film, and measurement, analysis (Coben, SteinerTweed PUHSC). The measurement results of independent sample t test, single factor variance analysis and stepwise regression analysis, find the influence of craniofacial structure factor; using genetic algorithm to optimize the parameters to get the equation of correlation equation; the optimization equation of the prediction values and the measured values are compared in error. Results: 1 SPSS analysis showed the same There was no significant difference in different sex types of craniofacial vertical related project (P0.05).2 on A, B, C three groups of single factor variance analysis; comparison between the 22 groups using SNK-q test, comparison between the three groups of craniofacial bone correlation between (P0.05).3 on A, B, stepwise regression analysis C three groups of craniofacial bones of the project, influencing factor.4 recognition and prediction using genetic algorithm is established based on.5 GAS equations with different vertical types of skeletal Class II patients with craniofacial bone vertical landmarks the equation's values are compared with the measured data, GAS method, small error, high precision, but without statistical significance (P0.05). Conclusion: 1. different sex craniofacial vertical bone.2. had no significant differences in different vertical types of skeletal Class II patients with vertical craniofacial bone differences between.3. with vertical type of skeletal Class II patients with craniofacial bone to the vertical relationship between closely established.4.GAS method The accuracy of the prediction equation is high, and the relationship between the craniofacial bones of different vertical types of skeletal Class II patients is clearly demonstrated and the growth prediction can be carried out to a certain extent.

【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R783.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉雅琴,王成,章魯;基于多代競爭遺傳算法的數(shù)值函數(shù)優(yōu)化[J];上海第二醫(yī)科大學(xué)學(xué)報;2005年08期

2 江金龍;朱亞軍;薛云燦;;基于變區(qū)域搜索的改進(jìn)遺傳算法研究[J];九江學(xué)院學(xué)報(自然科學(xué)版);2006年03期

3 林中營;虞科;程翼宇;沈朋;;遺傳算法優(yōu)化尿樣核苷毛細(xì)管電泳分析條件[J];藥物分析雜志;2007年03期

4 曹明勇;陳超敏;周凌宏;童蕾;;雙種群遺傳算法優(yōu)化射野方向及權(quán)重的研究[J];醫(yī)療衛(wèi)生裝備;2008年10期

5 蔣興波;許開云;吳耀民;;衛(wèi)勤最短回路問題的遺傳算法求解[J];解放軍醫(yī)院管理雜志;2010年03期

6 周琴;孔玉;;基于遺傳算法的醫(yī)用溶液測定[J];醫(yī)療衛(wèi)生裝備;2011年04期

7 劉繼清;;遺傳算法在裝備供應(yīng)優(yōu)化問題中的應(yīng)用[J];江漢大學(xué)學(xué)報(自然科學(xué)版);2011年04期

8 喬樹清;;改進(jìn)后的遺傳算法在排課系統(tǒng)中的應(yīng)用研究[J];齊齊哈爾醫(yī)學(xué)院學(xué)報;2007年16期

9 邢大地;吳效明;;基于改進(jìn)的遺傳算法求解腦電逆問題[J];中國組織工程研究與臨床康復(fù);2009年17期

10 杜海艦;伍瑞昌;王運斗;;基于遺傳算法的帶有軟時間窗的衛(wèi)生車輛調(diào)度優(yōu)化研究[J];數(shù)理醫(yī)藥學(xué)雜志;2011年05期

相關(guān)會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機(jī)編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

相關(guān)重要報紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

相關(guān)博士學(xué)位論文 前10條

1 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

2 李險峰;基于改進(jìn)遺傳算法的汽車裝配生產(chǎn)線平衡問題研究[D];北京科技大學(xué);2017年

3 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

4 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

5 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

6 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

7 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

8 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

9 劉冀成;基于改進(jìn)遺傳算法的生物電磁成像與磁場聚焦應(yīng)用研究[D];四川大學(xué);2005年

10 袁麗華;基于物種進(jìn)化的遺傳算法研究[D];南京航空航天大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運車車廂的設(shè)計研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號：1673105